python interpolate.interp1d_索引错误scipy.interpolate.interp1d

我试图得到一个三次样条函数scipy.interpolate.interp1d功能。我试图让documentation page上的示例正常工作,但每当我运行它时,都会出现以下错误:plt.plot(x,y,'o',xnew,f(xnew),'-', xnew, f2(xnew),'--') File

"/Library/Python/2.7/site-packages/scipy-0.12.0.dev_ddd617d_20120920-py2.7-macosx-10.8-x86_64.egg/scipy/interpolate/interpolate.py",

line 396, in call

y_new = self._call(x_new) File "/Library/Python/2.7/site-packages/scipy-0.12.0.dev_ddd617d_20120920-py2.7-macosx-10.8-x86_64.egg/scipy/interpolate/interpolate.py",

line 372, in _call_spline

result = spleval(self._spline,x_new.ravel()) File "/Library/Python/2.7/site-packages/scipy-0.12.0.dev_ddd617d_20120920-py2.7-macosx-10.8-x86_64.egg/scipy/interpolate/interpolate.py",

line 835, in spleval

res[sl] = _fitpack._bspleval(xx,xj,cvals[sl],k,deriv) IndexError: too many indices

所以,它适用于线性插值,但不适用于立方。我可能犯了一些愚蠢的错误,但我不知道出了什么问题。下面是我使用的示例代码:import numpy as np

from scipy.interpolate import interp1d

x = np.linspace(0, 10, 40)

y = np.cos(-x**2/8.0)

f = interp1d(x, y)

f2 = interp1d(x, y, kind='cubic')

xnew = np.linspace(0, 10, 10)

import matplotlib.pyplot as plt

plt.plot(x,y,'o',xnew,f(xnew),'-', xnew, f2(xnew),'--')

plt.legend(['data', 'linear', 'cubic'], loc='best')

plt.show()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
scipy.interpolate.interp1dSciPy库中的一个函数,用于在一维数据集上进行线性插值。它的文档如下: ``` scipy.interpolate.interp1d(x, y, kind='linear', axis=-1, copy=True, bounds_error=None, fill_value=nan, assume_sorted=False) ``` 参数说明: - x:一维数组,表示数据点的x坐标。 - y:一维或多维数组,表示数据点的y坐标,其形状应该与x的形状相同,或者是x的形状加上其他维度。 - kind:插值方法,可以为'linear'(线性插值)、'nearest'(最近邻插值)、'zero'(阶梯插值)、'slinear'(线性样条插值)、'quadratic'(二次样条插值)或'cubic'(三次样条插值)。 - axis:指定在哪个轴上进行插值,默认为-1,即最后一个轴。 - copy:如果为True,则复制输入数组,否则直接对其进行操作。 - bounds_error:当插值点在数据点的范围之外时,是否引发异常,默认为None,表示不引发异常,而是返回fill_value的值。 - fill_value:当bounds_error为True时,指定插值点在数据点范围之外时的返回值。默认为nan。 - assume_sorted:如果为True,则假设输入数组已经按照x的升序排列,可以加速插值计算。 返回值: - 一个函数对象,可以用于对新的插值点进行插值。 使用示例: ```python import numpy as np from scipy.interpolate import interp1d x = np.linspace(0, 10, num=11, endpoint=True) y = np.cos(-x**2/9.0) f = interp1d(x, y) xnew = np.linspace(0, 10, num=41, endpoint=True) ynew = f(xnew) ``` 在上面的例子中,我们创建了一个一维数据集,然后使用interp1d函数创建了一个插值函数f。最后,我们使用f对新的插值点进行插值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值